【计算机视觉】多视图几何使用OpenCV(Python)进行仿射变换

开始打江山啦，打江山啦，朕的江山从这里开始。

import numpy as np
import cv2
import matplotlib
from matplotlib import pyplot as plt

filename = 'tilef.jpg'
img = cv2.imread(filename)

plt.imshow(img ,cmap = 'gray')

plt.show()

随朕出征，一起征服星辰大海吧！

《CV中的多视图几何》——基础章节

获取图像中的坐标点并打印出来

我们可以看到，如果我们希望获取信息的点在图像中有十字标。

[(37.4032258064516, 96.33870967741936), 
 (263.2096774193548, 178.59677419354836), 
 (329.33870967741933, 52.79032258064518), 
 (155.9516129032258, 6.016129032258107)]

霍夫变化原理

与笛卡尔坐标相对应，我们建立霍夫坐标系，横坐标为斜率，纵坐标为截距。
记住最重要的一点，笛卡尔坐标空间的一点映射到霍夫坐标系是一条直线，笛卡尔坐标系下的一条直线映射到霍夫坐标系下就是一个点。

如果笛卡尔坐标系下确定了两个点，他们可以连接成一直线，在霍夫空间则为两条相交的直线。在霍夫空间通过一点的直线越多，证明在笛卡尔空间里，有越多的点实在一条直线上。

我们OpenCV里面用到的是

cv2.HoughLines(edges, 1, np.pi/180,200)

• 第一个参数是输入图像，且必须是二值图像，在进行霍夫变换之前需要采用阈值法的边缘检测；
• 第二和第三个参数分别是r,θ对应的精度；
• 第四个参数是阈值，判定为直线投票数的最小值；注意，投票数取决于直线上点的个数，因此这个阈值代表了检测到的直线的最短长度。

# find lines in an image by using the Hough transform
#change our image into gray one
gray = cv2.cvtColor(img1,cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray,50,200)
plt.figure("detect line")
plt.subplot(121),plt.imshow(edges,'gray')
plt.xticks([]),plt.yticks([])
# hough transform
lines = cv2.HoughLines(edges,1,np.pi/180,160)
# 返回值中的每一个元素都是一对浮点数，表示检测到的直线参数（\rho,\theta）
# 其类型为np.ndarray
lines1 = lines[:,0,:]
#提取为为二维
for rho,theta in lines1[:]: 
	a = np.cos(theta)
	b = np.sin(theta)
	x0 = a*rho
	y0 = b*rho
	x1 = int(x0 + 1000*(-b))
	y1 = int(y0 + 1000*(a))
	x2 = int(x0 - 1000*(-b))
	y2 = int(y0 - 1000*(a)) 
	cv2.line(img1,(x1,y1),(x2,y2),(255,0,0),1)

plt.subplot(122),plt.imshow(img1,)
plt.xticks([]),plt.yticks([])
plt.show()

仿射变换

仿射变换是指图像可以通过一系列的几何变化来实现平移，旋转等，保持图像的平直性和平行性。（直线仍是直线，平行线仍是平行线）

为了得到仿射变换的4points，我们需要转换一下数据类型。我们先来探索一下：

>>> import numpy as np
>>> list=[(38.81034308370755, 94.5354816523041), (263.86192701379616, 177.25992232067), (329.6304264271554, 50.34727110895335), (156.98811546708743, 5.645244163935786)]
>>> list
[(38.81034308370755, 94.5354816523041), (263.86192701379616, 177.25992232067), (329.6304264271554, 50.34727110895335)